ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL

PREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN YANG

TERDAFTAR DI BEI TAHUN 2010-2014

(Perbandingan antara Model Diskriminan dan Model Logit)

(Skripsi)

Oleh

EVI KRISMAYANTI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2016

ABSTRACT

FINANCIAL RATIOS ANALYSIS TO FORM FINANCIAL DISTRESS

PREDICTION MODELS IN COMPANIES LISTED IN INDONESIAN

STOCK EXCHANGE YEAR 2010-2014

(Comparison between Discriminant Model and Logit Model)

By

EVI KRISMAYANTI

Rupiah exchange rate weakened on the foreign currency exchange rate causes a

lot of companies in Indonesia should experiencing financial distress and even

bankruptcy. This research examines financial ratios to create a discriminant model

and logit model that capable to predict financial distress and then compare the

level of accuracy of the models. This research uses non-financial companies that

listed on the BEI in 2010-2014 as research object and using purposive sampling

technique, researcher get a result 35 non-distress company and 49 distress

company as the sample. The data that researcher get process with multivariate

discriminant analysis and logistic regression analysis. Based on the result of

analysis, discriminant model that create consist 8 financial ratios, they are pre-tax

profit/total asset, book value per share, dividend per share, retained earnings/total

asset, equity/total asset, equity/total liabilities, debt ratio, and receivables

turnover. The logit model that create consist 3 financial ratio, they are pre-tax

profit/total asset, profit after tax/working capital, and sales/working capital. This

research also discover that logit model have accuracy level that higher than logit

model and pre-tax profit/ total asset ratio is ratio that give most significant

influence in predict financial distress according to that two models.

Keywords: financial ratio, financial distress, financial distress prediction

models, discriminant model, logit model

ABSTRAK

ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL

PREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN YANG

TERDAFTAR DI BEI TAHUN 2010-2014

(Perbandingan antara Model Diskriminan dan Model Logit)

Oleh

EVI KRISMAYANTI

Melemahnya nilai tukar rupiah terhadap nilai mata uang asing menyebabkan

banyak perusahaan di Indonesia harus mengalami kesulitan keuangan dan bahkan

kebangkrutan. Penelitian ini bertujuan menganalisis rasio keuangan untuk

membentuk model diskriminan dan model logit yang mampu memprediksi

financial distress dan kemudian membandingkan tingkat akurasi kedua model

tersebut. Penelitian ini menggunakan perusahaan non-keuangan yang terdaftar di

BEI tahun 2010-2014 sebagai objek penelitian dan dengan teknik purposive

sampling, peneliti memperoleh 35 perusahaan non-distress dan 49 perusahaan

distress sebagai sampel. Data yang diperoleh kemudian diolah dengan analisis

diskriminan multivariat dan analisis regresi logistik. Berdasarkan hasil analisis

yang dilakukan, model diskriminan yang terbentuk terdiri dari 8 rasio keuangan,

yaitu pre-tax profit/total asset, book value per share, dividend per share, retained

earnings/total asset, equity/total asset, equity/total liabilities, debt ratio dan

receivables turnover. Ada pun model logit yang terbentuk terdiri dari 3 rasio

keuangan, yaitu pre-tax profit/total asset, profit after tax/working capital dan

sales/working capital. Penelitian ini juga menemukan bahwa model logit memiliki

tingkat akurasi yang lebih tinggi dibandingkan dengan model logit dan rasio pre-

tax profit/total asset merupakan rasio yang paling berpengaruh signifikan dalam

memprediksi financial distress menurut kedua model tersebut.

Kata kunci: rasio keuangan, financial distress, model prediksi financial

distress, model diskriminan, model logit.

ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL PREDIKSI

FINANCIAL DISTRESS PADA PERUSAHAAN YANG TERDAFTAR DI BEI

TAHUN 2010-2014

(Perbandingan antara Model Diskriminan dan Model Logit)

Oleh

Evi Krismayanti

Skripsi

Sebagai salah satu syarat untuk mencapai gelar

SARJANA EKONOMI

Pada

Jurusan Akuntansi

Fakultas Ekonomi dan Bisnis Universitas Lampung

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS LAMPUNG

BANDARLAMPUNG

2016

RIWAYAT HIDUP

Penulis lahir di Natar pada 22 Februari 1994 sebagai putri ketiga dari empat

bersaudara. Penulis menyelesaikan pendidikan dasar di SDN 6 Merak Batin dan

lulus tahun 2006. Selanjutnya penulis menyelesaikan pendidikan menengah

pertama di SMPN 1 Natar pada tahun 2009, kemudian penulis melanjutkan

pendidikan tingkat atas di SMAN 9 Bandar Lampung hingga lulus pada tahun

2012.

Penulis terdaftar sebagai mahasiswi S1 Akuntansi Fakultas Ekonomi dan Bisnis

Universitas Lampung pada tahun 2012 melalui jalur SNMPTN Undangan (Seleksi

Nasional Masuk Perguruan Tinggi Negeri). Selama menjadi mahasiswi, penulis

terdaftar menjadi pengurus HIMAKTA (Himpunan Mahasiswa Akuntansi)

periode 2014/2015 sebagai kepala bidang.

PERSEMBAHAN

Kupersembahkan skripsi ini kepada:

Orang tuaku tercinta, Bapak dan Mamak, atas segala kasih sayang, doa,

dukungan, pengorbanan, dan segala sesuatunya yang telah diberikan.

Nenek, kakak-kakakku, adikku dan keponakanku tersayang, untuk

semangat, doa, bantuan, keceriaan dan dukungan yang selalu diberikan.

Seluruh keluarga besarku dan saudara-saudaraku, atas segala dukungan,

doa, nasihat, dan motivasi yang selalu diberikan.

Sahabat dan teman-temanku, untuk keceriaan, nasihat, dan dukungan yang

selalu diberikan.

Almamaterku tercinta, Universitas Lampung.

MOTO

Don’t worry about being better than others, focus on being better than yourself. –

Anonim

Remain yourself that it’s okay not to be perfect. –Anonim

Life is full of ups and downs. The trick is to enjoy the ups and have courage

during the downs. –Anonim

SANWACANA

Puji syukur penulis panjatkan kepada Allah SWT atas berkat dan rahmatNya

kepada penulis sehingga skripsi dengan judul “Analisis Rasio Keuangan dalam

Membentuk Model Prediksi Financial Distress pada Perusahaan yang Terdaftar di BEI

Tahun 2010-2014 (Perbandingan antara Model Diskriminan dan Model Logit)” sebagai

salah satu syarat untuk memperoleh gelar Sarjana Ekonomi di Universitas

Lampung dapat terselesaikan.

Dalam kesempatan ini penulis mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. H. Satria Bangsawan, S.E., M.Si., selaku Dekan Fakultas

Ekonomi dan Bisnis Universitas Lampung.

2. Ibu Dr. Fajar Gustiawaty Dewi, S.E., M.Si., Akt., selaku Ketua Jurusan

Akuntansi.

3. Ibu Yuztitya Asmaranti, S.E., M.Si., selaku sekretaris Jurusan Akuntansi.

4. Ibu Dr. Lindrianasari, S.E., M.Si., Akt., selaku Pembimbing Utama atas

kesediaannya untuk memberikan waktu, bimbingan, nasihat, dan dukungan

selama proses penyelesaian skripsi ini.

5. Ibu Retno Yuni Nur Susilowati, S.E., M.Sc., Akt., selaku Pembimbing

Pendamping atas kesediannya dalam memberikan waktu, bimbingan,

pengetahuan, nasihat, pengalaman serta pembelajaran diri selama proses

penyelesaian skripsi ini.

6. Bapak Dr. Einde Evana, S.E., M.Si., Akt., selaku Penguji Utama atas saran

dan kritik, serta nasihat yang membangun baik bagi penyelesaian skripsi

maupun bagi diri penulis.

7. Bapak Agus Zahron Idris, S.E., Akt., selaku Pembimbing Akademik atas

segala saran dan nasihat yang diberikan selama masa perkuliahan.

8. Bapak dan Ibu Dosen serta staf di Jurusan Akuntansi dan Fakultas Ekonomi

Universitas Lampung, atas ilmu, dukungan dan pembelajaran yang telah

diberikan.

9. Kedua orang tuaku, Bapak tercinta Mukhori dan Mamak tersayang Maryanah.

Terima kasih atas limpahan kasih sayang, dukungan, perlindungan, nasihat,

semangat, dan ajaran hidup yang dengan setia akan selalu membimbing setiap

langkah penulis untuk mewujudkan mimpi dan cita penulis. Tiada kata yang

dapat menggambarkan rasa syukur dan rasa terima kasih penulis atas segala

hal yang telah diberikan.

10. Terimakasih untuk nenek atas setiap doanya hingga penulis dapat

menyelesaikan skripsi ini. Kakak-kakakku, Leni Widayanti dan Wahyu Dian

Saputra, Kak Bidin serta adikku Sheila Deviyanti. Terima kasih untuk setiap

dukungan semangat dan kesabaran yang diberikan kepadaku selama ini. Juga

kedua keponakan tersayang Satria Rizky Pratama dan Adhyastha Al-Azzam.

11. Keluarga besar dari kedua belah pihak orangtuaku. Kiranya penyelesaian

skripsi ini dapat menjadi kebanggaan untuk Ndek Yah, Ndek Sur, Ndek Her,

Ndek Tik, Teh Imah, Mbak Mus, Kak Sisu, Bule Puji, Pak Ndon, Pak Sun,

Bule Sisri. Terima kasih untuk setiap kasih sayang, nasihat, dan dukungan

semangat yang diberikan kepada penulis. Semoga Allah memberikan

kesehatan dan panjang umur untuk kalian semua.

12. Sepupu panutanku Lisna Sari terimakasih untuk semuanya dan semoga kita

bisa sukses dan membanggakan kedua orang tua. Terimakasih juga untuk

kakak dan adik sepupu Mba Maya, A’Budi, Kak Nizar, Kak Ilham, Kak

Andi, Mba Ratih, Abang Victor, Vicky, Ana, Ardi, Vicri, Bayu. Now we’re

all grown up (or grown old?), sis & bro. Thank you for growing up with me.

13. Kelima sahabat tersayang Sausan Salwa Karimah, Muhaqiqin, Ulfa Ramania

dan Aditya Dewangga. Penulis sangat bersyukur dan berterimakasih atas

kesediaannya menemani, menyemangati, menghibur, dan membantu proses

penyelesaian skripsi ini. Terima kasih untuk setiap tawa, canda, bahagia, air

mata, dan haru. Terima kasih telah menjadi pendengar yang baik, dan

pemberi solusi untuk setiap masalah yang penulis hadapi. Thank you for every

time we spend together. Semoga persahabatan kita berlanjut hingga maut

menjelang.

14. Terimakasih teruntuk Yuninda Devi Arintika yang sudah jadi teman, ibu,

kakak, adik, dan nenek sekaligus. Terimakasih untuk Rahmah Khairina,

Chyntia Dwi S. dan Dila Oktariana yang sudah bersabar dan mendukung

penulis. Juga terimakasih para chabai matang, Atul, Sanis, Muis, Riki, Deska,

Cikit, Mama, Yuns, Dila, Anita, Indah, Khai yang sudah menjadi peramai

handphone dan penghibur. Walaupun kita jauh still keep in touch please!

15. Konyas: Puji Kurnia P, Elia Rahma P, Dian Kusuma D, Elvi Riali, Rossinda

Budianti, Susi Baggus Z, Mutiara Marganita, Melfriani Amelia S dan

Rahmah Khairina terimakasih untuk semua semangat dan dukungan kalian.

Love you girls.

16. Untuk wanita-wanita luar biasa para Gelinaks: Sri Wahyuni, Mia Meisiska,

Muthia Prima N, Elia Rahma P, dan Puji Kurnia P, terimakasih atas semua

bantuan, semangat, kesabaran, nasihat, candaan dan semuanya. I’m still

counting on you, guys..

17. Teman-teman sejawat Akuntansi 2012. Terutama untuk Ferly, Dwi, Ani,

Puspita, Fatkur, Esa, Siti, girlband’s member (Kiky, Priska, Shaumi, Trida),

swinger (Anggie, Adel, Clau, Nadia, Sindi, Opi), Citra, Fatur, Mafia, Widya,

atas semua bantuan dan dukungan kepada penulis. Terima kasih untuk sudah

bersama-sama berjuang di bangku perkuliahan. Segala jerih payah kita akan

terbayar di masa mendatang, “karena hasil tidak pernah mengkhianati

proses”.

18. Kakak-kakak sejak KKN Kelumbayan Kak Tia dan Kak Iga terimakasih

untuk semuanya, still keep in touch yes!

Akhir kata, penulis menyadari bahwa skripsi ini masih jauh dari sempurna, untuk

itu mohon maaf atas segala kekurangannya. Semoga skripsi ini bermanfaat

dikemudian hari.

Bandar Lampung, April 2016

Penulis

Evi Krismayanti

DAFTAR ISI

Halaman

DAFTAR ISI

DAFTAR TABEL

DAFTAR GAMBAR

DAFTAR LAMPIRAN

I. PENDAHULUAN

1.1 Latar Belakang ................................................................................... 1

1.2 Rumusan Masalah .............................................................................. 5

1.3 Batasan Masalah................................................................................. 5

1.4 Tujuan Penelitian ............................................................................... 6

1.5 Manfaat Penelitian ............................................................................. 6

II. LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS

2.1 Landasan Teori ................................................................................... 7

2.1.1 Stakeholder Theory ................................................................ 7

2.1.2 Financial Distress .................................................................. 8

2.1.3 Rasio Keuangan ..................................................................... 10

2.1.4 Model Diskriminan ................................................................ 11

2.1.5 Model Logit ............................................................................ 11

2.2 Penelitian Terdahulu .......................................................................... 12

2.3 Model Penelitian ................................................................................ 16

III. METODE PENELITIAN

3.1 Populasi dan Sampel Penelitian ...................................................... 17

3.2 Definisi Operasional dan Pengukuran Variabel .............................. 19

3.2.1 Variabel Dependen .............................................................. 19

3.2.2 Variabel Independen ........................................................... 20

3.3 Jenis dan Sumber Data .................................................................... 21

3.4 Metode Pengumpulan Data ............................................................. 21

3.5 Teknik Analisis Data ....................................................................... 22

3.5.1 Statistik Deskriptif .............................................................. 22

3.5.2 Analisis Diskriminan ........................................................... 23

3.5.2.1 Uji Normalitas ......................................................... 23

3.5.2.2 Uji Kesamaan Matrik Kovarian .............................. 23

3.5.2.3 Test of Equality Group Means ................................ 24

3.5.2.4 Pemilihan Variabel Diskriminator Metode

Stepwise ................................................................... 24

3.5.2.5 Pembentukan Model diskriminan ........................... 25

3.5.2.6 Ketepatan Model ..................................................... 26

3.5.3 Regresi Logistik .................................................................. 26

3.5.3.1 Uji Kelayakan Model .............................................. 27

3.5.3.2 Uji Keseluruhan Model (Overall Model Fit) .......... 27

3.5.3.3 Pembentukan Model Logit ...................................... 28

3.5.3.4 Ketepatan Model ..................................................... 28

IV. HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian .............................................................. 29

4.2 Statistik Deskriptif .......................................................................... 30

4.3 Analisis Diskriminan ....................................................................... 34

4.3.1 Uji Normalitas .....................................................................

37

4.3.3 Test of Equality Group Means ............................................ 38

4.3.4 Pemilihan Variabel Diskriminator Metode Stepwise .......... 39

36

4.3.2 Uji Kesamaan Matrik Kovarian ..........................................

4.3.5 Hubungan Variabel Diskriminator dan Variabel

Dependen............................................................................. 41

4.3.6 Pembentukan Model Diskriminan....................................... 41

4.3.7 Ketepatan Model ................................................................. 43

4.4 Analisis Regresi Logistik ................................................................

46

4.4.2 Uji Keseluruhan Moel (Overall Fit Model) ........................ 46

4.4.3 Koefisien Cox & Snell R Square dan Nagelkerke’s R

Square ................................................................................. 48

4.4.4 Pembentukan Model Logit .................................................. 49

4.4.5 Ketepatan Model ................................................................. 50

4.5 Pembahasan ..................................................................................... 50

4.5.1 Model Diskriminan ................................................................ 50

4.5.2 Model Logit ............................................................................ 52

4.5.3 Perbedaan Tingkat Akurasi antara Model Logit dan Model

Diskriminan dalam Memprediksi Financial Distress ............ 54

V. SIMPULAN DAN SARAN

5.1 Simpulan ......................................................................................... 56

5.2 Keterbatasan Penelitian ................................................................... 57

5.3 Saran ................................................................................................ 58

DAFTAR PUSTAKA

LAMPIRAN

45

4.4.1 Uji Kelayakan Model ..........................................................

DAFTAR TABEL

Halaman

Tabel

1. Fenomena Kebangkrutan di Indonesia ............................................... 1

2. Penelitian Terdahulu .......................................................................... 13

3. Definisi Operasional Variabel Independen ........................................ 20

4.1 Prosedur Pemilihan Sampel ............................................................... 39

4.2 Statistik Deskriptif ............................................................................. 30

4.3 One-Sample Kolmogorov-Smirnov Test ........................................... 36

4.4 Uji Kesamaan Matrik Kovarian ......................................................... 37

4.5 Test of Equality Group Means ........................................................... 38

4.6 Variabel Diskriminator dengan Metode Stepwise ............................. 39

4.7 Eigenvalues ........................................................................................ 41

4.8 Koefisien Model Diskriminan ............................................................ 42

4.9 Centroids Group ................................................................................ 43

4.10 Tingkat Ketepatan Model ................................................................... 44

4.11 Uji Kelayakan Model ......................................................................... 46

4.12 Iteration History (Block 0) ................................................................. 47

4.13 Iteration History (Block 1) ................................................................. 47

4.14 Koefisien Cox and Snell’s R dan Nagelkerke R Square .................... 48

4.15 Koefisien Model Logit ....................................................................... 49

4.16 Tingkat Ketepatan Model ................................................................... 50

4.17 Rasio Keuangan pada Model Diskriminan dan Model Logit............. 53

DAFTAR GAMBAR

Halaman

Gambar

1 Model penelitian................................................................................. 16

2 Proses Pemodelan (Model Diskriminan) ........................................... 34

3 Normal Probability Plots (P-Plots) .................................................... 36

4 Proses Pemodelan (Model Logit) ....................................................... 45

DAFTAR LAMPIRAN

Lampiran

1A Data Laporan Keuangan Perusahan Distress

1B Data Laporan Keuangan Perusahan Non-Distress

2A Data Diolah SPSS (Perusahaan Distress)

2B Data Diolah SPSS (Perusahaan Non-Distress)

3 Statistik Deskriptif

4 Uji Normalitas

5 Uji Kesamaan Matrik Kovarian

6 Analisis Diskriminan

7 Analisis Regresi Logistik

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kebangkrutan merupakan situasi yang paling tidak diinginkan oleh semua pelaku

bisnis karena kebangkrutan merupakan akhir dari kelangsungan hidup suatu

entitas. Di Indonesia sendiri selama beberapa tahun terakhir terdapat banyak

perusahaan yang harus mengalami kebangkrutan, hal ini disebabkan oleh berbagai

macam faktor, satu diantaranya adalah faktor makro ekonomi. Jatuhnya nilai tukar

rupiah yang menyebabkan kelesuan ekonomi menjadi salah satu faktor utama

banyak perusahaan di Indonesia mengalami kebangkrutan. Berikut adalah

beberapa perusahaan yang telah mengalami kebangkrutan di Indonesia.

Tabel 1. Fenomena Kebangkrutan di Indonesia

Tahun Fakta Sumber

2016 PT Ford Motor Indonesia telah secara resmi

mengumumkan penutupan semua kantor dealer dan

pabrik mobil Ford milik PT Ford Motor Indonesia

pada 25 Januari 2016.

www.ekbis.sindo

news.com

2015 PT Kirin Dinamika, PT Delta Inova, PT Argo Pantes,

PT Guna Paramita dan PT Panasonic telah melaporkan

kebangkrutannya pada Dinas Tenaga Kerja dan

Transmigrasi (Disnakertrans) Kabupaten Bekasi

www.dakta.com

2015 General Motor Indonesia (GMI) menghentikan

operasinya dan resmi menutup pabrik di Bekasi pada

Juni 2015 karena terus mengalami kerugian.

www.aktual.com

2

2015 125 Perusahaan pertambangan batubara di Kalimatan

Timur ditutup (data dari Ketua Asosiasai Pengusaha

Indonesia Kaltim, Slamet Broto) dan 11 perusahan di

Batam di bidang galangan kapal, elektronik, garmen

diantaranya modal asing PT Nagano Hidro Jet Marine.

PT Yee Woo, PT Heat Exchanger, PT Nolek Sanyo,

PT Siemen Hearing Instrument (keterangan Kepala

Disnaker Batam, Zarefriade)

www.ekbis.sindo

news.com

Dengan demikian, prediksi secara akurat dan tepat waktu terhadap kemungkinan

terjadinya kebangkrutan akan sangat berguna bagi para pemangku kepentingan

seperti manajer, pemerintah, pemasok, pelanggan dan karyawan agar dapat

mengambil tindakan yang dapat menghindari terjadinya kebangkrutan. Elmabrok

(2012) menyatakan bahwa kesulitan keuangan (financial distress) dapat

digunakan sebagai salah satu indikator atau tanda awal (early warning system)

terjadinya kebangkrutan. Risiko terjadinya kebangkrutan pada perusahaan akan

semakin meningkat apabila perusahaan telah mengalami financial distress. Hal

inilah yang kemudian menjadikan prediksi financial distress penting untuk

dilakukan agar berbagai pihak yang berkepentingan dapat mengambil tindakan

yang tepat untuk mencegah terjadinya kebangkrutan.

Beragam penelitian telah banyak dilakukan untuk dapat mengembangkan model

prediksi financial distress dengan menggunakan berbagai macam rasio keuangan.

Analisis dan interpretasi dari berbagai macam rasio dapat memberikan gambaran

mengenai keadaan keuangan perusahaan. Apabila perhitungan rasio menunjukkan

hasil yang baik dapat dikatakan bahwa keadaan keuangan perusahaan dalam

keadaan yang baik, begitu pula sebaliknya. Hal tersebut didukung oleh Beaver

(1966) yang membuat model analisis univariat dengan menggunakan rasio

keuangan perusahaan dan menyimpulkan bahwa rasio keuangan dapat digunakan

3

untuk membedakan antara perusahaan distress dan non-distress. Setelah itu,

banyak penelitian yang menggunakan rasio keuangan untuk membentuk model

prediksi financial distress, antara lain Altman (1968), Springate (1978), Ohlson

(1980), Zmijewski (1983), Fulmer (1984), Shumway (2001) dan Grover (2001).

Melihat banyaknya model prediksi financial distress yang ada mendorong peneliti

untuk membandingkan model prediksi yang satu dengan yang lainnya untuk

mengetahui model yang paling akurat dalam memprediksi financial distress.

Namun, dalam penelitian ini peneliti tidak akan membandingkan model prediksi

yang telah disebutkan sebelumnya tetapi peneliti akan membentuk model prediksi

baru dan kemudian membandingkan tingkat keakuratan model yang telah

dibentuk tersebut. Model yang akan dibentuk dalam penelitian ini adalah model

diskriminan dan model logit. Kedua model ini dipilih karena model-model

tersebut merupakan model prediksi yang paling banyak digunakan baik secara

teoretis maupun praktis. Model tersebut juga merupakan jenis model yang paling

banyak dikembangkan oleh banyak peneliti karena memiliki tingkat keakuratan

yang lebih tinggi bila dibandingkan jenis model lain. Model diskriminan dan

model logit yang paling terkenal adalah model Altman (1968) dan Ohlson (1980).

Altman (1968) menganalisis 22 jenis rasio keuangan dengan menggunakan

analisis diskriminan dan menghasilkan model prediksi financial distress yang

terdiri dari 5 rasio keuangan, yaitu working capital/total asset, retained

earning/total asset, EBIT/total asset, market value equity/book value of total debt,

dan sales/total asset. Sementara itu, Ohlson (1980) membentuk model prediksi

dengan menggunakan analisis regresi logistik dan menghasilkan model prediksi

4

dengan menggunakan 9 rasio keuangan, yaitu log total asset/GNP price level

index, total liabilities/total asset, working capital/total asset, current

liabilities/current asset, net income/total asset, cash flow from operation/total

liabilities, net income growth ratio, dan 2 variabel dummy.

Peneliti memilih untuk membentuk model baru dibandingkan menggunakan

model yang telah ada dikarenakan model-model yang telah ada sebelumnya telah

dibentuk lebih dari 10 tahun yang lalu yang kondisinya sudah sangat berbeda bila

dibandingkan dengan kondisi saat ini yang dapat menyebabkan variabel yang

mempengaruhinya berubah (Platt and Platt, 2002). Penelitian yang dilakukan oleh

Kordlar and Nikbakht (2011) menemukan bahwa model baru yang dibentuk lebih

tinggi tingkat akurasinya dibandingkan model Altman (1968), Ohlson (1980),

Zmijewski (1984) dan Shumway (2001). Selain itu, penelitian yang dilakukan

untuk membentuk model prediksi financial distress masih sangat jarang dilakukan

di Indonesia.

Penelitian ini merupakan penelitian replikasi dari penelitian Khatib & Horani

(2012). Penelitian ini akan menggunakan rasio keuangan untuk membentuk model

diskriminan dan model logit yang dapat memprediksi financial distress dan

kemudian membandingkan tingkat keakuratan kedua model tersebut. Berdasarkan

uraian di atas, maka penelitian ini berjudul “Analisis Rasio Keuangan dalam

Membentuk Model Prediksi Financial Distress pada Perusahaan yang Terdaftar

di BEI Tahun 2010-2014 (Perbandingan antara Model Diskriminan dan Model

Logit).”

5

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya maka rumusan

masalah dari penelitian ini adalah sebagai berikut.

1. Apakah rasio keuangan dapat digunakan untuk membentuk model

diskriminan dan model logit yang mampu prediksi financial distress pada

perusahaan yang terdaftar di BEI tahun 2010-2014?

2. Apakah terdapat perbedaan tingkat akurasi antara model diskriminan dan

model logit dalam memprediksi financial distress pada perusahaan yang

terdaftar di BEI tahun 2010-2014?

1.3 Batasan Masalah

Agar penelitian memiliki ruang lingkup dan arah yang jelas, penulis menentukan

beberapa batasan masalah pada penelitian ini, antara lain:

1. Perusahaan yang diteliti adalah perusahaan non-keuangan yang terdaftar di

BEI pada tahun 2010-2014;

2. Perusahaan yang diteliti digolongkan menjadi dua, yaitu perusahaan distress

dan perusahaan non-distress yang diklasifikasikan sesuai dengan ketentuan

pada penelitian ini;

3. Rasio keuangan yang digunakan dalam penelitian ini mengacu pada rasio

keuangan yang digunakan dalam penelitian Khatib & Horani (2012).

6

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk menyediakan bukti empiris bahwa:

1. Rasio keuangan dapat digunakan untuk membentuk model diskriminan dan

model logit yang mampu prediksi financial distress pada perusahaan yang

terdaftar di BEI periode 2010-2014;

2. Terdapat perbedaan tingkat akurasi antara model diskriminan dan model logit

dalam memprediksi financial distress pada perusahaan yang terdaftar di BEI

periode 2010-2014.

1.5 Manfaat Penelitian

Hasil yang didapatkan dari penelitian ini diharapkan dapat memberikan manfaat

sebagai berikut.

1. Manfaat teoretis

Memberikan kontribusi terhadap pengembangan ilmu akuntansi dan

manajemen keuangan serta sebagai bahan referensi dan bahan pertimbangan

untuk mengadakan penelitian-penelitian selanjutnya.

2. Manfaat praktis

Memberikan informasi serta alat bantu kepada pemegang saham, investor,

kreditur dan pihak lain yang berkepentingan untuk mendapat early warning

(sinyal awal) terjadinya kesulitan keuangan agar tidak salah dalam

pengambilan keputusan bisnis.

BAB II

LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS

2.1 Landasan Teori

2.1.1 Teori Stakeholder

Teori stakeholder diperkenalkan pertama kali oleh Stanford Research Stakeholder

(RSI) pada tahun 1963. Teori ini menyatakan bahwa perusahaan bukanlah entitas

yang hanya beroperasi untuk kepentingannya sendiri namun harus memberikan

manfaat bagi para pemangku kepentingan (stakeholder), baik stakeholder

eksternal yang terdiri dari bank (kreditor), serikat buruh, pemerintah, pemasok,

distributor, pelanggan, masyarakat, serikat dagang dan pasar modal, maupun

stakeholder internal yang mencakup manajemen, karyawan dan para pemegang

saham (Ghozali & Chariri, 2007:409). Salah satu manfaat yang dapat diberikan

perusahaan kepada para stakeholder adalah berupa laporan keuangan yang berisi

informasi mengenai posisi keuangan dan kinerja perusahaan yang relevan dan

reliable untuk pengambilan keputusan yang akan dilakukan stakeholder.

Teori ini juga menyatakan bahwa keberadaan suatu perusahaan sangat

dipengaruhi oleh dukungan yang diberikan stakeholder. Gray, Kouhy dan Adams

(Ghozali & Chariri, 2007:409) menyatakan bahwa kelangsungan hidup

8

perusahaan tergantung pada dukungan stakeholder dan dukungan tersebut harus

dicari sehingga aktivitas perusahaan adalah untuk mencari dukungan dari para

stakeholder. Perusahaan dapat memperoleh dukungan dari stakeholder melalui

laporan keuangan perusahaan. Para stakeholder akan memberikan dukungannya

kepada perusahaan setelah mereka mengetahui kondisi perusahaan yang

tergambar dalam laporan keuangan yang diterbitkan. Oleh sebab itu, hasil yang

diperoleh dari analisis informasi laporan keuangan selain dapat bermanfaat bagi

pengambilan keputusan para stakeholder juga dapat digunakan sebagai sarana

perusahaan untuk memperoleh dukungan dari para stakeholder. Kedua hal

tersebut dapat dilakukan dengan menganalisis rasio keuangan dan

menggunakannya untuk membentuk suatu model yang dapat menilai kondisi

keuangan dan kinerja perusahaan.

2.1.2 Financial Distress

Financial distress merupakan suatu kondisi ketika arus kas operasi perusahaan

tidak mencukupi untuk dapat memenuhi kewajibannya kepada kreditor, baik

pokok maupun bunganya (Ross, 2008: 853). Sementara itu, Brigham (2011: 871)

menyatakan bahwa financial distress terjadi apabila perusahaan mengalami

ketidakmampuan untuk menyelesaikan pembayarannya dengan tepat waktu atau

ketika arus kas dari perusahaan tidak berjalan dengan lancar. Sementara Gitman

(2013:790) menyatakan bahwa financial distress merupakan suatu keadaan ketika

nilai tercatat kewajiban perusahaan melebihi nilai pasar asetnya. Dengan demikian

dapat dikatakan bahwa financial distress adalah suatu penurunan kondisi

9

keuangan dan kinerja perusahaan yang terjadi ketika arus kas operasi perusahaan

tidak mampu untuk mencukupi kewajiban jangka pendeknya yang segera jatuh

tempo, baik kewajiban kepada kreditor yang berupa pokok pinjaman dan bunga,

maupun kewajiban kepada pemegang saham yang berupa dividen.

Financial distress merupakan hasil dari keburukan bisnis perusahaan yang dapat

dipengaruhi baik oleh faktor internal seperti buruknya pengelolaan bisnis

(mismanagement), ekspansi yang berlebihan, pengambilan keputusan keuangan

yang buruk, biaya produksi yang tinggi, tenaga penjualan yang tidak efektif serta

faktor kematangan perusahaan, maupun faktor eksternal seperti melemahnya

perekonomian negara (Gitman, 2013:790).

Financial distress dapat terjadi pada berbagai perusahaan dan dapat digunakan

sebagai penanda/sinyal awal dari kemungkinan terjadinya kebangkutan pada suatu

perusahaan (Elmabrok, 2012). Seluruh pihak yang berkepentingan harus lebih

berhati-hati bila perusahaan telah mengalami financial distress karena apabila

keadaan tersebut terjadi berlarut-larut, maka tidak menutup kemungkinan

perusahaan akan mengalami kebangkrutan dikemudian hari. Dengan demikian,

analisis prediksi terjadinya financial distress yang cepat dan tepat penting

dilakukan untuk mendapat sinyal awal adanya kebangkrutan sehingga seluruh

pihak yang berkepentingan dapat mengambil tindakan yang tepat untuk

menghindari terjadinya kebangkrutan yang dapat merugikan mereka.

10

2.1.3 Rasio Keuangan

Rasio keuangan menurut Horne (Kasmir, 2014:104) merupakan indeks yang

menghubungkan dua angka akuntansi dan diperoleh dengan membagi satu angka

dengan angka lainnya yang digunakan untuk mengevaluasi kondisi keuangan dan

kinerja perusahaan. Ada pun Gitman (2013:791) menyatakan bahwa rasio

keuangan dapat digunakan untuk memprediksi kesulitan keuangan (financial

distress) pada suatu perusahaan. Analisis dan interpretasi dari berbagai macam

rasio dapat memberikan gambaran mengenai keadaan keuangan perusahaan.Oleh

sebab itu, penelitian ini akan menggunakan rasio keuangan untuk membentuk

model financial distress yang dapat menilai kondisi keuangan dan kinerja

perusahaan.

Rasio keuangan yang digunakan dalam penelitian ini mengacu pada rasio

keuangan yang digunakan dalam penelitian Khatib dan Horani (2012) yang terdiri

dari 24 jenis rasio keuangan yang secara umum merupakan empat rasio keuangan

utama dalam analisis rasio keuangan untuk menilai kinerja perusahaan, yaitu rasio

profitabilitas yang menilai kemampuan perusahaan dalam mendapatkan laba, rasio

likuiditas yang menggambarkan kemampuan perusahaan dalam memenuhi

kewajibannya, rasio solvabilitas yang mengukur sejauh mana aset perusahaan

dibiayai oleh hutang sehingga dapat pula diukur kemampuan perusahaan untuk

memenuhi kewajibannya ketika perusahaan harus dilikuidasi serta rasio aktivitas

yang menunjukkan tingkat efisiensi pemanfaatan sumber daya perusahaan

(Kasmir, 2014:110-114).

11

2.1.4 Model Diskriminan

Model diskriminan yang dimaksud dalam penelitian ini adalah model yang

dibentuk dengan menggunakan Multivariate Discriminant Analysis (MDA), yaitu

teknik statistik yang digunakan untuk memprediksi dan menjelaskan hubungan

yang berpengaruh kuat terhadap suatu objek dengan variabel terikat berbentuk

non-metrik atau kategori (Ghozali, 2013:289). Banyak model prediksi financial

distress yang telah dibentuk menggunakan tenik ini. Altman (1968) adalah

peneliti yang pertama kali menggunakan MDA untuk membentuk model prediksi

financial distress dan menghasilkan model prediksi financial distress dengan

menggunakan lima rasio keuangan, yaitu working capital to total assets, retained

earning to total assets, EBIT to total assets, market value of equity to total

liabilities, dan sales to total assets. Model lain yang juga cukup terkenal dan

banyak digunakan secara luas adalah model yang dibentuk oleh Springate (1978)

yang menggunakan rasio working capital to total assets, EBIT to total Assets,

earning before taxes to current liabilities, dan total sales to total assets. Selain

kedua peneliti tersebut, terdapat beberapa peneliti yang juga menggunakan MDA,

antara lain Fulmer (1984) dan Grover (2001).

2.1.5 Model Logit

Model logit dalam penelitian ini adalah model yang dibentuk dengan

menggunakan analisis regresi logistik yang merupakan teknik analisis yang

digunakan untuk melihat pengaruh sejumlah variabel independen terhadap

variabel dependen yang berupa variabel kategorik. Regresi logistik tidak

12

mensyaratkan adanya asumsi normalitas data pada variabel bebasnya, berbeda

dengan MDA yang menyaratkan adanya multivariate distribution normal pada

variabel independennya (Ghozali, 2013:333). Model logit yang paling terkenal

dan banyak digunakan secara luas adalah model yang dibentuk oleh Ohlson pada

tahun 1980. Model prediksi financial distress yang dikemukakan oleh Ohlson

terdiri dari sembilan rasio keuangan, yaitu Log (total assets/GNP price level

index), total liabilities/total assets, working capital/total assets, total

liablilities>total assets, net income negative, current liabilities/current assets, net

income to total assets, cash flow from operation /total liabilities.

Peneliti lain yang menggunakan regresi logistik untuk membentuk model prediksi

financial distress adalah Platt & Platt (2002) yang menyatakan bahwa EBITDA to

sales, Current assets to current liabilities dan cash flow grow rate memiliki

hubungan yang negatif terhadap kemungkinan perusahaan akan mengalami

financial distress. Ada pun rasio net fixed assets to total assets, longterm debt to

equity dan notes payable to total asset memiliki hubungan yang positif dengan

kemungkinan perusahaan akan mengalami financial distress.

2.2 Penelitian Terdahulu

Penelitian yang bertujuan untuk membentuk dan membandingkan model prediksi

financial distress telah dilakukan oleh beberapa peneliti, diantaranya adalah

sebagai berikut.

13

Tabel 2 Penelitian Terdahulu

No Peneliti Judul Variabel Hasil

1 Demestrios

Ginoglou, Ph.D;

Konstantinos

Agorastos,

Ph.D; &

Thomas

Hatzigagios,

Ph.D (2002)

Predicting

Corporate

Failure of

Problemmatic

Firms in Greece

with LPM,

Logit, Probit &

Discriminant

Analysis

Models.

Fixed asset/total asset,

fixed asset/stockholder

equity, fixed

asset/stockholder

equity+long term debt,

current asset/total asset,

gross profit/financial

expenses, stockholder

equity/short term debt, long

term debt/stockholder

equity, total debt/total

liabilities, total

debt/stockholder equity, net

profit/total asset, net

profit/stockholder equity,

gross profit/total asset,

current asset/short term

debt, current asset-

inventory/short term debt,

current asset-shoert term

debt/total asset, dan

cash/curret asset

Rasio keuangan

dapat digunakan

untuk membentuk

model yang mampu

memprediksi

financial distress

dan model logit

adalah model yang

memiliki tingkat

akurasi tertinggi

dibandingkan tiga

model yang lain.

2 Surapol

Pongsatat, Judy

Ramage,

Howard

Lawrence

(2004)

Bankruptcy

Prediction for

Large and Small

Firms in Asia: A

Comparison of

Ohlson and

Altman

Altman’s Model dan

Ohlson’s Model

Model Altman

memiliki tingkat

akurasi yang lebih

tinggi dibandingkan

model Ohlson dalam

memprediksi

kebangkrutan, baik

pada perusahaan

besar maupun pada

perusahaan kecil.

3 Mine Ugurlu

and Hakan

Aksoy (2006)

Prediction of

Corporate

Financial

Distressin: An

Emerging

Market: The

Case of

Turkey

Total asset/whole sale price

index, current asset/total

asset, shareholders’

equity/total asset, account

payable+notes

payable/total asset,

sales/current asset,

sales/net working capital,

sales/net tangible asset,

quick asset/sales, sales-

COGS/sales, quick asset/

inventory, long term

debt/total debt, net working

Logit model

memiliki tingkat

akurasi yang lebih

tinggi bila

dibandingkan

dengan diskriminan

model dan rasio

yang paling

signifikan dalam

memprediksi

financial distress

adalah

EBITDA/total

14

capital/long term debt,

market value of equity/book

value of total liabilities,

cash+marketable

securities/current

liabilities, financial

expenses/financial

liabilities, fixed

asset/shareholders’ equity,

net income/share

holders’/equity, EBIT/paid

capital, EBIT/sales,

EBITDA/total asset, other

income before tax/other

income after tax,

annualized volaticity of

stocks’ daily returns in

quarterly period.

asset.

4 Ali Ebrahimi

Kordlar &

Nader

Nikbakht

(2011)

Comparing

Bankrupcy

Prediction

Models in

Iran

Model diskriminan

(Altman, 2000), model

logit (Ohlson, 1980),

probit model (Zmijewski,

1984), hazard model

(Shumway,2001), dan

model logit kombinasi

yang dibentuk sendiri.

Rasio keuangan

dapat digunakan

untuk memprediksi

financial distress

dan model yang

memiliki tingkat

akurasi tertinggi

dalam memprediksi

financial distress

adalah model logit

kombinasi yang

dibentuk sendiri.

5 Hazem B. Al-

khatib and Al-

Horani (2012)

Predicting

Financial

distress of

Public

Companies

Listed in

Amman Stock

Exchange

Current ratio, current

liabilities to total fixed

assets, current liabilities

to equity, working capital

to equity, logarithm of

total assets, pre- tax

Profit to total assets, net

profit margin, book value

per share, roa, roe,

dividend per share,

retained earnings

To total assets, equity to

total assets, equity to total

liabilities, debt ratio, debt

to equity, long-term debt

ratio to equity fixed assets

to equity, asset turnover,

sales to equity

Rasio keuangan

dapat digunakan

untuk memprediksi

financial distress

dan rasio keuangan

yang paling

berpengaruh

signifikan dalam

memprediksi

financial distress

adalah pre-tax

profit/total asset

dan ROE. Selain itu

penelitian ini juga

menyatakan bahwa

tingkat akurasi

model diskriminan

dan model logit

15

Sales to working capital

receivables turnover,

Logarithm of asset

turnover

yang terbentuk

tidak berbeda

secara signifkan.

6 Vandana

Gupta (2014)

An Empirical

Analysis of

Default Risk

for Listed

Companies in

India: A

Comparison

of Two

Prediction

Models

Profit after tax/capital

employed, profit after

tax/sales, EBIT/sales,

cash profit/total asset,

current ratio, quick ratio,

cash flow from

operation/debt,

cash/current liabilities,

net working capital/sales,

interest coverage,

debt/equity, cash/cost of

sales, net working capital

cycle, debtor days,

creditor days, raw

material cycle, wok in

progress cycle, finished

good cycle, net working

capital/total asset,

retained earning/total

asset,sales/total asset,

market value of

equity/book value of debt.

Model logit

memiliki tingkat

akurasi yang lebih

tinggi dibandingan

model diskriminan

Altman.

7 Kerroucha

Fatima Zohra

et. al. (2015)

Using

Financial

Ratios to

Predict

Financial

distress of

Jordan

Industrial

Firms

“Empirical

Study Using

Logistic

Regression”

27 jenis rasio keuangan Rasio keuangan

apat digunakan

untuk memprediksi

financial distress

dengan rasio yang

paling berpengaruh

signifikan adalah

net working

capital/equity,

accounts

receivables turn

over ratio,

equity/fixed asset

ratio.

16

2.3 Model Penelitian

Penelitian ini akan menganalisis rasio keuangan untuk membentuk dua jenis

model prediksi financial distress, yaitu model diskriminan yang dibentuk dengan

menggunakan analisis diskriminan dan model logit yang dibentuk dengan

menggunakan analisis regresi logistik. Model yang dihasilkan kemudian akan

dianalisis sehingga dapat diketahui model prediksi yang lebih akurat antara model

diskriminan dan model logit dalam memprediksi financial distress. Berikut adalah

model penelitian ini.

Gambar 1. Model Penelitian

Rasio Keuangan

Analisis Regresi Logistik Analisis Diskriminan

Prediksi Financial distress

Model Diskriminan Model Logit

BAB III

METODE PENELITIAN

3.1 Populasi dan Sampel Penelitian

Populasi dari penelitian ini adalah seluruh perusahaan yang terdaftar (listed) di

Bursa Efek Indonesia tahun 2010 sampai tahun 2014. Ada pun sampel yang

digunakan dalam penelitian ini adalah perusahaan non-keuangan yang terdaftar di

BEI periode 2010-2014. Perusahaan sektor keuangan tidak dijadikan sebagai

sampel karena perusahaan sektor keuangan memiliki karakteristik penilaian

kinerja yang berbeda dengan jenis perusahaan lain. Selain itu, perusahaan

keuangan juga memiliki model penilaian kinerja tersendiri yang menggunakan

rasio keuangan yang sesuai. Khatib & Horani (2012) juga menyatakan bahwa

dalam kondisi normal perusahaan keuangan memiliki tingkat leverage yang lebih

tinggi dari jenis perusahaan yang lain. Sementara untuk jenis perusahaan yang

lain, leverage yang tinggi menunjukkan bahwa kondisi keuangan perusahaan

sedang dalam keadaan yang kurang baik. Perbedaan ini dapat menimbulkan

masalah dalam pembentukan model, oleh sebab itu peneliti hanya menggunakan

perusahaan non-keuangan sebagai sampel.

18

Metode purposive sampling digunakan dalam pemilihan sampel pada penelitian

ini, yaitu dengan menggunakan beberapa kriteria tertentu yang harus dipenuhi

perusahaan agar dapat digunakan sebagai sampel. Kriteria tersebut antara lain:

1. Perusahaan sampel adalah perusahaan non-keuangan yang terdaftar di BEI

dari tahun 2010 sampai tahun 2014;

2. Perusahaan yang menjadi sampel dalam penelitian ini akan digolongkan

menjadi dua kelompok, yaitu perusahaan distress dan perusahaan non-

distress. Penelitian ini mengkategorikan perusahaan sebagai perusahaan yang

mengalami financial distress apabila perusahaan memenuhi seluruh kriteria

berikut.

a. Mengalami laba operasi negatif minimal 2 tahun berturut-turut (Juntadej,

2006). Laba operasi negatif menunjukkan bahwa aktivitas operasi

perusahaan sedang dalam masalah yang dapat disebabkan oleh penurunan

penjualan atau kenaikan biaya operasi perusahaan sehingga biaya operasi

perusahaan lebih besar dibandingkan pendapatan operasinya yang

kemudian menyebabkan perusahaan mengalami financial distress.

b. Memiliki Interest Coverage Ratio (ICR) kurang dari 1 (Brighman &

Daves, 2013). Interest coverage ratio merupakan rasio yang

menunjukkan kemampuan perusahaan dalam membayar bunga pinjaman

yang dimilikinya yang dihitung dengan cara membagi EBIT (earning

before interest and tax) dengan beban bunga. ICR yang kurang dari satu

menunjukkan bahwa perusahaan mengalami kesulitan untuk membayar

bunga atas pinjaman yang dilakukannya karena laba yang diperoleh lebih

kecil dari biaya bunga yang harus dibayarkan. Hal ini menunjukkan

19

bahwa perusahaan juga akan kesulitan dalam memenuhi pokok utang

yang menegindikasikan perusahaan sedang mengalami kesulitan

keuangan.

c. Arus kas masuk operasi lebih rendah dari arus kas keluar operasi (Gentry

et al, 1990). Hal ini menujukkan bahwa arus kas operasi masuk

perusahaan tidak mampu mencukupi pengeluaran operasinya sehingga hal

ini menjadi indikator bahwa perusahaan sedang mengalami kesulitan

keuangan untuk memenuhi kebutuhan operasinya.

3. Perusahaan yang akan dikategorikan sebagai perusahaan non-distress bila

memenuhi seluruh kriteria berikut.

a. Tidak pernah mengalami laba operasi negatif selama periode penelitian.

b. Memiliki ICR lebih dari 1,5

c. Memiliki arus kas masuk operasi lebih besar dari arus kas keluar operasi.

3.2 Definisi Operasional dan Pengukuran Variabel

3.2.1 Variabel Dependen

Variabel dependen (terikat) merupakan variabel yang dipengaruhi atau yang

menjadi akibat, karena adanya variabel bebas (Indriantoro, 2014:63). Variabel

terikat dalam penelitian ini adalah kondisi keuangan perusahaan sampel yang

terbagi menjadi dua kategori, yaitu:

a. Kategori 1, untuk perusahaan non-distress (tidak mengalami kesulitan

keuangan), yaitu perusahaan yang tidak mengalami kerugian selama periode

pengamatan, ICR lebih dari 1,5 dan memiliki arus kas operasi positif.

20

b. Kategori 0, untuk perusahaan distress (mengalami kesulitan keuangan), yaitu

perusahaan yang mengalami laba operasi negatif minimal 2 tahun berturut-

turut, memiliki ICR kurang dari satu dan memiliki arus kas operasi negatif.

3.2.2 Variabel Independen

Variabel independen (bebas) merupakan variabel yang mempengaruhi atau yang

menjadi sebab perubahannya atau timbulnya variabel dependen (Indriantoro,

2014:63). Variabel independen dalam penelitian ini adalah 24 rasio keuangan

yang berasal dari penelitian sebelumnya (Khatib & Horani, 2012). Berikut adalah

24 rasio keuangan yang digunakan dalam penelitian ini.

Tabel 3. Definisi Operasional dari Variabel Independen

Variabel Perhitungan Variabel

X1 Current ratio=current assets/current liabilities

X2 Current liabilities/total fixed assets

X3 Current liabilities/equity

X4 Working capital/equity

X5 Logarithm of total assets

X6 Pre-tax profit/total assets

X7 Net profit margin=profit after tax/sales

X8 Book value per share = equity/number of shares outstanding

X9 Return on assets (ROA) = profit after tax/total assets

X10 Return on equity (ROE) = profit after tax/equity

X11 Dividend per share = dividends/number of shares outstanding

X12 after tax profit/working capital

X13 Retained earnings/total assets

X14 Equity/total assets

X15 Equity/total liabilities

X16 Debt ratio = total liabilities/total assets

X17 Debt to equity = total liabilities/equity

X18 Long-term debt ratio/equity

X19 Fixed assets/equity

X20 Asset turnover = sales/total assets

X21 Sales/equity

21

X22 Sales/working capital

X23 Receivables turnover = sales/average accounts receivable

turnover of debtors (beginning + ending balances/2)

X24 Logarithm of asset turnover= ln (sales/total assets)

Sumber: Khatib & Horani, 2012.

3.3 Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa

laporan keuangan perusahaan non-keuangan yang terdaftar di BEI pada kurun

waktu 2010-2014 dan telah dipublikasikan. Data diperoleh dari website BEI

(www.idx.co.id).

3.4 Metode Pengumpulan Data

Untuk menunjang landasan teori penelitian dan mendapatkan data-data yang

diperlukan, peneliti menggunakan metode pengumpulan data berupa:

1. Studi pustaka

Metode pengumpulan data yang dilakukan dengan mengolah literatur,

artikel, jurnal, hasil penelitian terdahulu, maupun media tulis lainnya yang

berkaitan dengan topik pembahasan dari penelitian ini (Indriantoro, 2014).

2. Studi dokumentasi

Metode pengumpulan data dengan mengumpulkan data sekunder dan

seluruh informasi untuk menyelesaikan masalah (Indriantoro, 2014).

Sumber-sumber dokumenter yang digunakan adalah laporan keuangan

tahunan perusahaan sampel.

22

3.5 Teknik Analisis Data

Data yang telah dikumpulkan untuk penelitian ini kemudian akan diolah dan

dianalisis menggunakan teknik analisis yang sama dengan penelitian Khatib &

Horani (2012) yang merupakan acuan utama penelitian ini. Setelah dilakukan

tabulasi data, analisis statistik deskriptif akan dilakukan untuk mengetahui nilai

minimum, maksimum, mean dan standar deviasi data. Selanjutnya analisis

diskriminan akan dilakukan untuk membentuk model diskriminan. Setelah itu,

analisis regresi logistik akan dilakukan untuk membentuk model yang kedua,

yaitu model logit. Setelah kedua model tersebut terbentuk selanjutnya tingkat

akurasi kedua model dalam memprediksi financial distress dapat dibandingkan.

Tingkat akurasi kedua model dalam memprediksi financial distress dapat dilihat

pada tabel classification results masing-masing model.

3.5.1 Statistik deskriptif

Statistik deskriptif berfungsi sebagai penganalisis data dengan menggambarkan

sampel data yang telah dikumpulkan (Indriantoro, 2014).Penelitian ini

menjabarkan jumlah data, rata-rata, nilai minimum dan nilai maksimum serta

deviasi standar.

23

3.5.2 Analisis Diskriminan

Untuk melakukan analisis diskriminan, terdapat dua asumsi penting yang harus

dipenuhi, yaitu asumsi normalitas dan adanya kesamaan matrik kovarian (Equal

variance-covariance matrices).

3.5.2.1 Uji Normalitas

Hasil analisis diskriminan sangat sensitif jika terjadi penyimpangan atas asumsi

yang digunakan. Jika asumsi kenormalan data tidak terpenuhi akan berakibat pada

kesalahan dalam melakukan estimasi fungsi diskriminan. Uji normalitas dilakukan

dengan melihat grafik normal probability plots dan melakukan one-sample

kolmogorov-smirnov test. Data berdistribusi normal bila titik-titik pada grafik

normal probability plots menyebar berimpit disekitar diagonal dan hasil one-

sample kolmogorov-smirnov test menunjukkan nilai asimp.Sig. (2tailed)>0.05.

3.5.2.2 Uji Kesamaan Matrik Kovarian

Kesamaan matrik kovarian populasi (equal variance-covariance matrices) adalah

asumsi yang menyatakan bahwa keragaman sampel keseluruhan variabel bebas

dari kedua kelompok yang diteliti harus sama. Pelanggaran terhadap asumsi ini

akan menimbulkan penyimpangan terhadap keakuratan fungsi diskriminan dalam

mengelompokkan sampel ke dalam salah satu kategori tertentu. Pengujian

dilakukan menggunakan Box’s M Test dengan =5%. Asumsi ini terpenuhi

apabila hasil pengujian menunjukkan nilai signifikansi >0,05.

24

Setelah kedua asumsi terpenuhi, langkah selanjutnya adalah melakukan analisis

diskriminan. Analisis dikriminan yang akan digunakan dalam penelitian ini adalah

analisis diskriminan multivariat (multivariate discriminant analysis) dengan

metode stepwise, yaitu pada awalnya tidak ada satupun variabel yang dimasukkan

dalam fungsi diskriminan, kemudian satu per satu variabel ditambahkan dan

dikeluarkan dari fungsi diskriminan dan seterusnya hingga diperoleh hasil yang

paling efisien. Berikut adalah langkah-langkah dalam membentuk model

diskriminan.

3.5.2.3 Test of Equality of Group Means

Tahap pertama dalam analisis diskriminan adalah melakukan test of equality of

group means yang akan menunjukkan rasio yang secara univariat dapat

membedakan kedua jenis kelompok. Variabel yang mampu membedakan

(mendiskriminan) keadaan keuangan (distress dan non-distress) adalah variabel

yang memiliki signifikansi di bawah 0,05 (sig.<0,05). Tahap selanjutnya adalah

pemilihan variabel diskriminator dengan metode stepwise.

3.5.2.4 Pemilihan Variabel Diskriminator Metode Stepwise

Setelah diketahui variabel yang mampu membedakan kedua kelompok, tahap

selanjutnya adalah memilih variabel diskriminator terbaik dengan metode

stepwise. Variabel ini dilihat melalui tabel variables entered/removed. Tabel ini

juga akan menjukkan jumlah step (langkah) yang dilakukan untuk mendapatkan

variabel diskriminan yang paling efisien. Setelah variabel diskriminator terbaik

25

telah dipilih selanjutnya adalah melihat hubungan antara variabel diskriminan

terpilih dan variabel dependen yang dapat dilihat pada tabel Eugenvalues. Nilai

korelasi kanonikal pada tabel tersebut bila dikuadratkan akan menunjukkan

besarnya kemampuan variabel diskriminator dalam menjelaskan variabel

dependen.

3.5.2.5 Pembentukan Model Diskriminan

Pembentukan model diskriminan dapat dilakukan dengan melihat tabel canonical

discriminant function coeficient yang menunjukkan koefisien bagi masing-masing

variabel diskriminator. Berikut adalah model diskriminan yang akan terbentuk

dalam penelitian ini.

Z-skor = α +β1X1 + β2X2 + β3X3 +…+βnXn

Keterangan:

Z-skor : Nilai diskriminan

α : Konstanta

β1,2,3,…,n : Koefisien diskriminan

X1,2,3,…,n : Variabel diskriminator

Setelah model diskriminan terbentuk langkah selanjutnya adalah menghitung nilai

pisah batas (cut-off) untuk perusahaan distress dan non-distress. Nilai cut-off akan

dihitung sebagai berikut.

Cut-off = (Za + Zb)/2

Keterangan:

Cut-off : Nilai kritis (pisah batas)

26

Za : Centroid kelompok a

Zb : Centroid kelompok b

Nilai centoid kedua kelompok dapat dilihat pada tabel function of group centroids.

Selanjutnya, pengklasifikasian dilakukan sebagai berikut.

a. Perusahaan dikelompokkan sebagai kelompok a (distress) bila nilai Z-skor

lebih besar dari pada nilai cut-off (Z-skor>cut-off)

b. Perusahaan dikategorikan sebagai kelompok b (non-distress) bila Z-skor lebih

kecil dari cut-off (Z-skor<cut-off).

3.5.2.6 Ketepatan Model

Ketepatan model diskriminan dalam memprediksi financial distress dapat dilihat

pada tabel classification result. Tabel tersebut akan menunjukkan jumlah observasi

yang dapat dengan benar diprediksi oleh model yang terbentuk.

3.5.3 Regresi Logistik

Analisis regresi logistik yang akan digunakan dalam penelitian ini adalah binary

logistic regression. Penggunaan regresi logistik ini tidak mensyaratkan adanya

multivariate normal distribution karena tidak memerlukan asumsi normalitas data

pada variabel independennya. Berikut adalah langkah-langkah dalam melakukan

analisis regresi logistik sehingga dapat terbentuk model logit.

27

3.5.3.1 Uji Kelayakan Model

Uji kelayakan model regresi dilakukan dengan menggunakan Hosmer and

Lemeshow Test. Model dinyatakan layak digunakan untuk analisis selanjutnya

yang artinya tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi

dengan klasifikasi yang diamati bila nilai sig. pada hosmer and lemeshow test

lebih besar dari 0,05 (sig.>0,05).

3.5.3.2 Uji Keseluruhan Model Fit (Overall Model Fit)

Uji overall model fit dilakukan dengan melihat nilai -2loglikelihood pada tabel

iteration history blok pertama dan blok kedua. Model dinyatakan fit bila terjadi

penurunan nilai -2loglikelihood pada blok kedua atau dengan kata lain bila nilai -

2loglikelihood blok pertama lebih besar dari pada nilai -2loglikelihood pada blok

kedua. Hal tersebut menunjukkan bahwa menambahkan variabel independen ke

dalam model memperbaiki model fit. Tabel iteration history juga akan

menunjukkan variabel yang akan digunakan dalam model. Ada pun besarnya

variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen

dapat dilihat dari koefisien cox & snell r square dan nagelkerke’s r square yang

menunjukkan seberapa besar variabilitas variabel dependen dapat dijelaskan oleh

variabel independen. Nilai koefisien ini dapat dilihat pada tabel model summary.

28

3.5.3.3 Pembentukan Model Logit

Pembentukan model logit dapat dilakukan dengan melihat tabel variables in

equation yang menunjukkan koefisien masing-masing variabel independen

terpilih. Variabel yang secara signifikan mampu memprediksi financial distress

dan masuk ke dalam model adalah variabel yang memilii nilai sig. kurang dari

0,05 (sig.<0,05). Berikut adalah model logit yang akan terbentuk dalam penelitian

ini.

Y-skor =

= α + β1X1 + β2X2 + β3X3 + … + βnXn

Keterangan:

FD : Probabilitas financial distress

α : Konstanta

β1,2,3,…,n : Koefisien

X1,2,3,…,n : Variabel X1,2,3,…,n

Model logit memiliki nilai cut-off 0,5. Dengan demikian, perusahaan dengan Y-

skor lebih kecil dari 0,5 (Y-skor<0,5) dikategorikan sebagai perusahaan distress

dan perusahaan dengan Y-skor lebih besar dari 0,5 (Y-skor>0,5) dikategorikan

sebagai perusahaan non-distress.

3.5.3.4 Ketepatan Model

Ketepatan model logit yang terbentuk dalam memprediksi financial distress dapat

dilihat pada classification table. Tabel tersebut akan menunjukkan jumlah

observasi yang dapat dengan benar diprediksi oleh model yang terbentuk.

56

BAB V

SIMPULAN DAN SARAN

5.1 Simpulan

Penelitian ini menggunakan 24 jenis laporan keuangan untuk membentuk dua

jenis model prediksi financial distress, yaitu model diskriminan dan model logit

pada perusahaan yang terdaftar di BEI. Penelitian ini menggunakan data laporan

keuangan perusahaan non-keuangan selama periode 2010 hingga 2014 yang

mencakup 270 sampel penelitian.

Berdasarkan hasil pengolahan data yang telah dilakukan menggunakan beberapa

metode analisis, diperoleh kesimpulan sebagai berikut:

1. Rasio keuangan dapat digunakan untuk membentuk model diskriminan dan

model logit yang mampu memprediksi terjadinya financial distress.

2. Model diskriminan yang terbentuk pada penelitian ini mampu memprediksi

financial distress dengan tingkat akurasi 98,1%. Model ini terdiri dari 8 rasio

keuangan, yaitu pre-tax profit/total asset, book value per share, dividend per

share, retained earnings/total asset, equity/total asset, equity/total liabilities,

debt ratio dan receivables turnover.

3. Model logit yang terbentuk pada penelitian ini terdiri dari tiga rasio

keuangan, yaitu pre-tax profit/total asset, profit after tax/working capital dan

57

sales/working capital. Model ini memiliki tingkat akurasi 99,6% dalam

memprediksi financial distress.

4. Rasio pre-tax profit/total asset merupakan satu-satunya rasio keuangan yang

paling berpengaruh dalam memprediksi financial distress baik menurut

analisis diskriminan maupun analisis logit.

5. Model logit memiliki tingkat akurasi yang lebih tinggi dibandingkan model

diskriminan dalam memprediksi financial distress pada perusahaan yang

terdaftar di BEI.

5.2 Keterbatasan Penelitian

Keterbatasan dalam penelitian ini adalah sebagai berikut:

1. Penelitian ini memiliki pemasalahan dalam hal iterasi pada analisis regresi

logistik sehingga diharapkan penelitian selanjutnya dapat melakukan analisis

dengan iterasi yang lebih baik.

2. Periode penelitian ini terbatas hanya selama 5 tahun yaitu tahun 2010-2014.

3. Penelitian ini hanya terbatas pada variabel keuangan, ada pun faktor lain di

luar faktor keuangan yang mempengaruhi financial distress tidak dapat

dijelaskan dalam model penelitian ini.

58

5.3 Saran

Peneliti memiliki beberapa saran yang dapat menjadi pertimbangan bagi

penelitian-penelitian selanjutnya, antara lain:

1. Menggunakan periode penelitian dengan rentang waktu yang lebih panjang

untuk mendapatkan hasil penelitian yang lebih baik.

2. Mengembangkan penelitian ini lebih lanjut untuk mendapatkan model yang

lebih baik dengan menambahkan faktor non-keuangan seperti faktor makro

ekonomi dan corporate governance perusahaan.

3. Mengelompokkan perusahaan menjadi tiga kategori, yaitu perusahaan distress,

non-distress, dan grey area (perusahaan yang tidak dapat dikategorikan

sebagai perusahaan distress maupun perusahaan non-distress) sehingga semua

perusahaan dapat digunakan untuk penelitian.

DAFTAR PUSTAKA

Almilia, L. S. dan Kristijadi. 2003. Analisis Rasio Keuangan untuk Memprediksi

Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di

Bursa Efek Jakarta. JAAI.Volume 7, No.2.Hal :183-210.

Altman, Edward I. 1968. Financial Ratios, Discriminant Analysis and The

Perdiction of Corporate Bankruptcy. The Journal Of Finance Vol.XXIII,

N0.4. USA. Pp589-609.

Beaver, William H. 1966. Financial Ratios as Prediction Failure. Journal of

Accounting Research. Vol 4 No 4pp 71-111.

Brigham, E.F. and Eirhardt, M.C. 2011. Corporate Finance: A Focused

Approach. Fourth Edition. South-western. Cangange Learning. Natorp

Boulevard. In: Marbun, Hendra Agustinus H. 2014. Financial distress

corporate turnaround.Simposium Nasional Akuntansi 17. Lombok.

Brighman, Eugene F. and Phillip R. Daves. 2013. Intermediate Financial

Management. 11th

edition.

Elmabrok, Ali Abusalah dan Ng Kim-Soon. 2012. Using Altman’s Model and

Current Ratio to Assess The Financial Status of Companies Quoted in

The Malaysian Stock Exchange. International Journal of Scientific of

Research Publications. Volume 2, Issue 7. ISSN 2250-3153.

Fulmer, J., Moon, J., Gavin T., and J. Erwin. 1984. Bankruptcy Classification

Model for Small Firms. Journal of Commercial Bank Lending. Volume

66 pp25-37. In: Khatib, Hazem B. and Alaa Al-Horani. 2012. Predicting

Financial Distress of Public Companies Listed In Amman Stock

Exchange. European Scientific Journal, July edition vol. 8, no 15, ISSN.

1857-7881 (pres).

Gentry, J. A., Newbold, P., Withford, D.T. 1990. Profiles of Cash Flow

Components. Financial Analysis Journal 46(2):41-48. In: Kordestani, G.

et al. 2011. Ability of Combinations of Cash Flow Components to Predict

Financial Distress. Business Theory and Practice Journal. Volume

12.No. 3. Pp 227-285.

Ghozali, Imam. 2013. AplikasiAnalisis Multivariate dengan Program SPSS.

Semarang: Badan Penerbit Universitas Diponegoro.

Ghozali, Imam dan Anis Chariri. 2007. Teori Akuntansi. Semarang: Badan

Penerbit Universitas Diponegoro.

Ginoglou, D., dan A. Konstantinos. 2002. Corporate Failure of Problematic Firms

in Greece With LPM, Logit, Probit And Discriminant Analysis Models.

Journal of Financial Management and Analysis, Vol 15.pp1-15.

Gitman, Lawrence J. dan Chad J. Zutter. 2013. Principles of Managerial Finance.

Thirteenth Edition. Malaysia: MPS Limited.

Gupta, Vandana. 2014. An Empirical Analysis of Default Risk for Listed

Companies in India: A Comparison of Two Prediction Models.

International Journal of Business Management.Vol. 9 No. 9 E-ISSN

1833 8119.

Indriantoro, Nur. 2014. Metodologi Penelitian Bisnis. Yogyakarta: BPFE.

Juntadej, P. 2006. Using the Combinations of Cash Flow Component to Predict

Financial Distress. Summary of Doctoral Dissertation. University of

Nebraska. In: Kordestani, G. et al. 2011. Ability of Combinations of

Cash Flow Components to Predict Financial Distress. Business Theory

and Practice Journal. Volume 12.No. 3. Pp 227-285.

Kasmir. 2014. Analisis Laporan Keuangan. Jakarta: PT Raja GrafindoPersada.

Khatib, Hazem B. and Alaa Al-Horani. 2012. Predicting Financial Distress of

Public Companies Listed In Amman Stock Exchange. European

Scientific Journal, July edition vol. 8, no 15, ISSN. 1857-7881 (pres).

Kordestani, G. et al. 2011. Ability of Combinations of Cash Flow Components to

Predict Financial Distress. Business Theory and Practice Journal.

Volume 12.No. 3. Pp 227-285.

Kordlar, Ali Ebrahimi and Nader Nikbakht. 2011. Comparing Bankruptcy

Prediction Models in Iran. Business Intelligence Journal.Volume 4, No.

2. Pp 335-342.

Kristin,Franciska. 2014. Perbandingan Analisis Kebangkrutan Menggunakan

Model Altman Z-Score dan Model Logistik (Studi Empiris pada

Perusahaan Non-keuangan yang Terdaftar di BEI). JOM Fekon Vol. 1

No. 2 .

Ohlson, James A. 1980. Financial Ratios and The Probabilistic Prediction of

Bunkruptcy. Journal of Accounting Research. Vol. 18 No.1 (Spring,

1980) pp109-131.

Platt, Harlan D. dan Marjorie B. Platt. 2002. Predicting Corporate Financial

Distress: Reflections on Choice-Based Sample Bias. Journal of

Economics and Finance.Volume 26, No. 2. Pp 184-199.

Pongsatat, et al. 2004. Bankruptcy Prediction of Large and Small Firms In Asia: A

Comparison of Ohlson and Altman. Journal of Accounting and

Corporate Governance, Vol.1 No 2 pp 1-13.

Priyasidharta, David. Perusahaan Bangkrut: GM Indonesia Resmi Tutup Pabrik di

Bekasi. WWW.AKTUAL.COM. 2 Maret 2015 diakses 10 Oktober 2015.

http://www.aktual.com/perusahaan-bangkrut-gm-indonesia-resmi-tutup-

pabrik-di-bekasi/

Ross, S. A., Wasterfield, R. W., and Jaffe J. 2008. Corporate Finance. Eighth

Edition. McGraw-HillIrwin, New York. In: Marbun, Hendra Agustinus

H. 2014.Financial Distress Corporate Turnaround. Simposium Nasional

Akuntansi 17. Lombok.

Shumway, T . 2001. Forcasting Bankruptcy More Accurately : A Simple Hazard

Model. Journal of Business, 74pp 101-124.

Suhendra, Zulfi. Dollar Tinggi 4 Perusahaan di Kabupaten Bekasi Bangkrut.

WWW.DAKTA.COM. 14 September 2015 diakses 10 Oktober 2015.

http://www.dakta.com/news/2652/dollar-tinggi-4-perusahaan-di-

kabupaten-bekasi-bangkrut

Ugurlu, Mine and HasanAksoy. 2006. Prediction of Corporate Financial Distress

in An Emerging Market: The Keys of Turkey. Cross Cultural

Management: An International Journal, Vol. 13 Iss 4 pp 277-295.

Widagdo, Kusumo. Perusahaan Besar Bangkrut di Indonesia.

WWW.EKBIS.SINDONEWS.COM. 24 Januari 2016 diakses 2 Februari

2016. http://ekbis.sindonews.com/read/1085897/39/perusahaan-besar-

bangkrut-di-indonesia-1455640928.

Zmijewski, Mark E. 1984. Methodoogy Issues Related to The Estimation of

Financial Distress Prediction Models. Journal of Accounting Research.

Vol. 22 pp59-82.

Zohra, Kerroucha Fatima and Bensaid Mohamed. 2015. Using Financial Ratios to

Predict Financial Distress of Jordan Industrial Firms: Empirical Study

Using Logistic Regression. Academic Journal of Interdisciplinary

Studies.Volume 4 No. 2. E-ISSN 2281-612.

www.idx.co.id